NAFTA-GAZ marzec 2010 ROK LXVI Małgorzata Kowalska-Włodarczyk, Barbara Darłak Instytut Nafty i Gazu, Kraków Zastosowanie sztucznych sieci neuronowych i logiki rozmytej w tworzeniu baz danych dla złóż dual porosity dual permeability Wstęp W praktyce geologicznej, przy określaniu właściwości zbiornikowych mamy do czynienia ze skałami: od czysto porowatych (takie są np. piaskowce czerwonego spągowca), poprzez porowate, poprzecinane różnej wielkości szczelinami, o różnym udziale jednych i drugich, aż po całkowicie szczelinowe (takie występują najczęściej w skałach wapiennych i w dolomicie). Struktura typu dual porosity dual permeability odgrywa znaczącą rolę w procesach gromadzenia i transportu płynów złożowych. Ropa czy gaz, gromadzące się w porowatych warstwach skał odizolowanych od siebie uszczelniającymi przekładkami, kontaktują się jedynie przez ewentualną sieć szczelin, które mogą być jedyną drogą transportu. Takie złoża spotyka się w warstwach jury, skąd pochodził materiał do przeprowadzonych badań. Badania wykonano w dwóch zasadniczych kategoriach, a mianowicie: badania porozymetryczne, dla określenia porowatości i właściwości porowej przestrzeni intergranularnej oraz badania przepuszczalności absolutnej, a następnie badania szczelinowatości na szlifach i zgładach dla znalezienia porowatości i przepuszczalności szczelinowej. Za pomocą sieci neuronowych uzupełniono i zweryfikowano podstawową bazę danych. Wykonano również kwalifikację skał za pomocą nowych metod obliczeniowych: sieci neuronowych i logiki rozmytej (fuzzy logic). Wyniki przedstawiono w odpowiednich tabelach i na rysunkach. Metoda logiki rozmytej Do opracowania danych wykorzystano metodę logiki rozmytej. Metoda ta została opracowana i wprowadzona przez autorki w poprzednich pracach [3, 5]. Tutaj przypomnieć należy tylko, że jest to jedna z najnowocześniejszych metod obliczeniowych, wykorzystująca pojęcie zbioru rozmytego [1, 10]. W teorii klasycznej, ze zbioru głównego zostają wydzielone podzbiory na zasadzie bliskiego pokrewieństwa takiego, że każdy element danego podzbioru nie występuje w innych podzbiorach, innymi słowy granice podzbiorów są ostro zdefiniowane, co oznacza, że przynależność do podzbioru wynosi 0 lub 1. W logice rozmytej przynależność do zbioru określają reguły rozmyte; w analizie skupień rozmytych podzbiory częściowo się przenikają, granice między nimi są niewyraźne, a dana składowa podzbioru może występować także w innych podzbiorach. Dokładne omówienie zagadnienia można znaleźć w zacytowanej literaturze [6-9]. Wydaje się, że w takich zagadnieniach jak dual porosity dual permeability, gdzie rozmyte są granice wzajemnych oddziaływań przepuszczalności i porowatości intergranularnej i szczelinowej, właśnie technika obliczeniowa oparta na logice rozmytej może okazać się najskuteczniejsza. 189
NAFTA-GAZ W dotychczasowych badaniach ustalono podstawowy zestaw danych laboratoryjnych [2, 4], nie mniej jednak w każdym nowym zagadnieniu konieczne jest przeprowadzenie selekcji danych i ich weryfikacji. Za pomocą sieci neuronowych wykonano więc uzupełnienie profili i dobrano odpowiednie parametry. W wyniku przeprowadzonych analiz, w skład których wchodziły: analiza porozymetryczna, pomiar gęstości, pomiar przepuszczalności absolutnej oraz porowatości i przepuszczalności szczelinowej, uzyskano kompleksowy obraz badanego materiału skalnego. Za pomocą sieci neuronowej zweryfikowano i uzupełniono podstawową bazę danych, uzyskując w ten sposób pełne profile wybranych parametrów odpowiedzialnych za przepływ i magazynowanie płynów złożowych. Jak już wspomniano wyżej, badania zostały wykonane na ponad stu próbkach pochodzących ze skał wapiennych jury. Jest to materiał o przestrzeni trudnej do zinterpretowania występowała w nim duża zmienność parametrów opisujących przestrzeń porowo-szczelinową. W tablicy 1 przedstawiono zakresy zmian tych parametrów. Z danych umieszczonych w tablicy 1 wyselekcjonowano te, które w najistotniejszy sposób wiążą się z przestrzenią omawianą, czyli dual porosity dual permeability. Są to: porowatość efektywna, przepuszczalność absolutna i szczelinowa oraz średnica progowa. Na rysunku 1 przedstawiono wyselekcjonowane parametry, których rozkład wydaje się dość chaotyczny; podjęto więc próbę ich uporządkowania. Posługując się metodą logiki rozmytej spróbowano wydzielić podstawowe typy przestrzeni porowo-szczelinowych; takich, w których dominuje porowatość intergranularna, takich Wykonanie obliczeń gdzie przeważa struktura szczelinowa i wreszcie typ, w którym struktury porowata i szczelinowa są w równowadze. Użycie logiki rozmytej wymaga tzw. grupowania rozmytego, które polega na znalezieniu odpowiedników lingwistycznych dla kolejnych zestawów ostrych wielkości parametrów petrofizycznych, czego odzwierciedleniem jest funkcja przyporządkowania [1, 5]. Operację rozmywania wykonano na dwa sposoby: w pierwszym przypadku znaleziono funkcje przyporządkowania ze względu na właściwości szczelinowe, a w drugim ze względu na porowatość intergranularną. Wyniki przedstawiono na rysunku 2. Obrazują one wielkość różnic pomiędzy jedną strukturą a drugą. Ponieważ naszym problemem do rozwiązania jest przestrzeń typu dual porosity dual permeability, czyli przestrzeń porowo-szczelinowa, w której obie formy odgrywają istotną rolę, powyższe działanie pozwoliło wyeliminować ze zbioru skrajne struktury, czyli bliskie czysto szczelinowej i bliskie czysto porowej oraz bliskie strukturom swoistym dla skał uszczelniających. Tablica 1. Zakresy parametrów petrofizycznych Parametr Maksymalna wielkość Minimalna wielkość Porowatość [%] 22,8 0 Gęstość objętościowa [g/cm 2 ] 2,82 2,13 Powierzchnia właściwa [m 2 /g] 6,02 0 Średnica progowa [mm] 70 0 absolutna 381,1 0 szczelinowa 495,8 0 Porowatość szczelinowa [%] 9,9 0 Rys. 1. Zestawienie parametrów petrofizycznych 190 nr 3/2010
artykuły Rys. 2. Zestawienie udziałów przestrzeni porowo-szczelinowej Rys. 3. Zestawienie udziałów porowatości i przepuszczalności w strukturze Rys. 4. Udział procentowy porowatości i przepuszczalności Pozostałe dane poddano kolejnej analizie za pomocą logiki rozmytej. Na rysunku 3 przedstawiono funkcje przyporządkowania wyselekcjonowanego zbioru. Nadal obserwuje się różnice w funkcjach przyporządkowania obliczonych dla materiału bardziej zeszczelinowanego, w stosunku do bardziej porowatego. Wykonane przyporządkowanie pozwoliło ocenić trendy rozwoju przestrzeni porowo-szczelinowej, co przedstawiono na rysunku 4. Daje się tam prześledzić udział nr 3/2010 191
NAFTA-GAZ struktury porowej i szczelinowej w kolejnych próbkach. Na tej podstawie wydzielono trzy zbiory próbek, należących do trzech typów przestrzeni porowo-szczelinowej. Wyniki przedstawiono w tablicach 2, 3 i 4 oraz na rysunkach 5-10. Lp. Porowatość z porozymetrią [%] Tablica 2. Zbiór danych petrofizycznych z przewagą struktury porowej Średnica progowa [mm] absolutna szczelinowa porowat. 1. 11,33 30,00 1,58 8,96 94 86 2. 18,00 0,20 0,52 10,37 54 44 3. 8,04 20,00 0,33 5,20 89 81 4. 20,20 50,00 64,43 0,36 100 58 5. 2,10 3,00 0,48 8,03 59 41 6. 5,12 4,00 1,09 10,65 80 62 7. 7,19 3,00 1,47 14,51 76 55 8. 11,18 4,00 104,95 8,80 90 63 funkcja przynależności przep. Lp. Porowatość z porozymetrią [%] Tablica 3. Zbiór danych petrofizycznych z przewagą struktury szczelinowej Średnica progowa [mm] absolutna szczelinowa porowat. 1. 15,92 25,00 0,23 64,14 60 90 2. 7,53 30,00 0,53 28,71 60 90 3. 7,02 5,00 0,10 5,23 36 56 4. 12,67 5,00 0,22 8,16 76 81 5. 2,58 0,04 0,29 14,36 7 37 6. 2,82 2,00 0,01 11,96 35 59 7. 7,62 3,00 0,10 8,19 38 81 8. 0,99 0,02 1,08 24,23 15 45 9. 11,13 1,00 0,10 11,86 45 65 10. 11,59 40,00 0,10 35,67 71 95 11. 17,17 0,40 0,31 19,50 57 80 12. 8,59 0,60 0,00 10,80 43 63 13. 0,41 0,02 1,22 15,20 8 38 14. 4,35 10,00 0,38 9,70 58 84 15. 4,30 0,30 0,10 32,36 58 62 16. 1,89 1,00 0,11 17,10 44 67 przep. Lp. Tablica 4. Zbiór danych petrofizycznych z równowagą form szczelinowej i porowej Porowatość z porozymetrią [%] Średnica progowa [um] absolutna szczelinowata porowat. 1. 10,56 20,00 1,80 2,07 75 75 2. 12,53 3,00 0,10 5,11 54 54 3. 18,55 1,00 0,70 7,44 65 64 przep. 4. 3,03 4,00 0,42 6,66 40 40 192 nr 3/2010
artykuły Lp. Tablica 4. Zbiór danych petrofizycznych z równowagą form szczelinowej i porowej Porowatość z porozymetrią [%] Średnica progowa [um] absolutna szczelinowata porowat. 5. 7,48 0,10 0,26 7,44 38 37 6. 6,40 0,10 0,55 0,31 40 40 7. 7,81 40,00 0,10 4,94 39 39 8. 2,04 0,10 0,60 6,86 40 41 9. 22,82 40,00 184,50 82,50 100 100 10. 4,84 0,06 0,81 7,00 44 44 11. 2,96 0,07 1,53 6,70 33 35 12. 2,62 0,50 0,38 25,05 40 40 13. 15,05 0,90 0,10 16,86 67 67 14. 3,55 1,00 0,31 3,13 44 44 15. 4,64 5,00 19,44 23,30 80 80 16. 1,07 0,30 0,16 23,00 44 44 przep. 17. 2,96 0,07 1,53 6,70 33 35 Rys. 5. Zestawienie parametrów petrofizycznych dla próbek z przewagą struktury porowej Rys. 6. Udział porowatości i przepuszczalności dla próbek z przewagą struktury porowej nr 3/2010 193
NAFTA-GAZ Rys. 7. Zestawienie parametrów petrofizycznych dla próbek z przewagą struktury szczelinowej Rys. 8. Udział porowatości i przepuszczalności dla próbek z przewagą struktury szczelinowej Rys. 9. Zestawienie parametrów petrofizycznych dla próbek z równowagą form Na rysunkach 5, 7 i 9 przedstawiono krzywe zmienności poszczególnych parametrów, a na rysunkach 6, 8 i 10 zaprezentowano odpowiadające im przyporządkowanie dla trzech wydzielonych typów skał ze względu na ich strukturę porowo-szczelinową dla skał z dominującą strukturą porową (linia czerwona) i szczelinową (linia niebieska). Na rysunku 10 obie linie pokrywają się, co dowodzi jednakowego udziału obu struktur. 194 nr 3/2010
artykuły Rys. 10. Udział porowatości i przepuszczalności dla próbek z równowagą form Omówienie wyników Dokonano wydzieleń na podstawie analizy parametrów petrofizycznych. Otrzymane wyniki przedstawiono w tablicach 2-4 i na rysunkach 5-10. Analiza pozwoliła na wydzielenie skał reprezentujących różne modele przepływu płynów złożowych przez przestrzeń porową. Podstawowym parametrem przy tym podziale była oczywiście przepuszczalność intergranularna i szczelinowa. Otrzymano następujące wydzielenia: z przewagą struktur porowych (tablica 2, rysunki 5 i 6) TYP 1, z przewagą struktur szczelinowych (tablica 3, rysunki 7 i 8) TYP 2, z równym udziałem obu struktur (tablica 4, rysunki 9 i 10) TYP 3. Dla wszystkich typów znaleziono skały; od nisko do bardzo wysoko porowatych (TYP 1 od 2,1 do 20,20%, TYP 2 od 0,99 do 17,17% i TYP 3 od 1,07 do 22,82%). Widać więc, że przepuszczalność dla skał o mieszanym typie przestrzeni porowej nie jest specjalnie istotnym parametrem i zdominowana jest przez porowatość intergranularną. TYP 1 został zaprezentowany w tablicy 2. Widać tu, że dla tych skał przepuszczalność szczelinowa jest niezerowa (double permeability). Tym niemniej, wyznaczone parametry przestrzeni porowej korelują się z przepuszczalnościami i można stwierdzić, że badania porozymetryczne oddają charakter przestrzeni porowej tych skał. TYP 2 dla tego typu (tablica 3) dominacja przepuszczalności szczelinowej jest absolutna. Przepuszczalności intergranularne nie przekraczają wartości 1,5 md. Dzięki wydzieleniu tej grupy ewidentnym faktem staje się nieprzystawalność parametrów wyznaczonych z pomiarów porozymetrycznych dla badań korelacyjnych. Średnice progowe rzędu 10 50 m oznaczone w tych badaniach pokazują po prostu istnienie szczelin i ich ewentualne rozwartości, natomiast realna przestrzeń porowa jest mikroporowa i obejmuje pory o średnicach mniejszych od 3 m. Reasumując, jest to typ o czysto szczelinowym charakterze przepływu płynów złożowych, dla którego porowatość szczelinowa jest dodatkowym elementem zwiększającym właściwości zbiornikowe. TYP 3, tj. double porosity double permeability (tablica 4). Obie przepuszczalności są równie istotne w statystycznym znaczeniu tego słowa. Porowatość szczelinowa, mimo że stosunkowo niewielka, przy porowatości intergranularnej wspomaga parametry zbiornikowe. Obie przepuszczalność są istotne przy transporcie płynów złożowych. Dokładna analiza zestawionych parametrów umożliwia dokonanie poprawek do uzyskanych parametrów porozymetrycznych; chodzi tu np. o próbkę nr 7, w której dominuje przepuszczalność szczelinowa, a wartość średnicy progowej jest jej odbiciem nie zaś parametrem wynikającym z budowy przestrzeni porowej. Takie wartości są odrzucane przy badaniach korelacyjnych. nr 3/2010 195
NAFTA-GAZ Podsumowanie Logika rozmyta (fuzzy logic) okazała się jedynym narzędziem umożliwiającym wydzielenie określonych typów skał zbiornikowych tak, by możliwa stała się dalsza obróbka statystyczna tych danych w sytuacji, gdy żadne korelacje zastosowane do pełnej, nierozdzielonej bazy danych nie dają satysfakcjonujących wyników. Logika rozmyta umożliwia poprawną interpretacje wyników (szczelinowe konotacje parametrów porozymetrycznych) i ich przyporządkowanie do określonego typu przepuszczalności. Jest procedurą matematyczną obiektywizującą dokonane podziały, które zostają uwolnione od subiektywizmu interpretatora. Artykuł nadesłano do Redakcji 30.11.2009 r. Przyjęto do druku 18.12.2009 r. Literatura [1] Bezdek J.C. et al.: Pattern recognition with fuzzy objective function algotithms. Plenum, New York 1981. [2] Darłak B., Kowalska-Włodarczyk M.: Niektóre problemy oceny właściwości skał zbiornikowych z wykorzystaniem sieci neuronowych. Prace IGNiG Nr 120, 2003. [3] Darłak B., Kowalska-Włodarczyk M.: Zastosowanie logiki rozmytej w budowie modeli geologicznych. Nafta-Gaz Nr 6, s. 454-461, 2009. [4] Darłak B., Kowalska-Włodarczyk M.: Zastosowanie sztucznej sieci neuronowej do uzupełnienia danych zbiornikowych. Przegląd Geologiczny, T. 49, Nr 9, s. 797-806, 2001. [5] Darłak B., Włodarczyk M.: Próba zastosowania logiki Recenzent: prof. dr hab. inż. Andrzej Kostecki rozmytej do interpretacji parametrów petrofizycznych skał zbiornikowych. Nafta-Gaz Nr 5, s. 305-413, 2007. [6] Łęski J.: Systemy neuronowo rozmyte. Wydawnictwo Naukowo Techniczne, 2008. [7] Piegat A.: Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa, 1999. [8] Piegat A.: Fuzzy modeling and control. ISBN 3-7908, p. 1385-1390, 2001. [9] Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, 1997. [10] Zadeh L.A.: Fuzzy sets. Information and Control, p. 338-353, 1965. Mgr inż. Małgorzata Kowalska-Włodarczyk absolwentka Wydziału Energochemiczne Przetwórstwo Węgla i Fizykochemii Sorbentów w AGH w Krakowie. Od roku 1980 jest pracownikiem INiG w Krakowie w Zakładzie Geologii i Geochemii, Laboratorium Petrofizyki, na stanowisku starszy specjalista badawczo-techniczny. Zajmuje się wykorzystaniem sieci neuronowych w zagadnieniach geologicznych. Mgr Barbara DARŁAK absolwentka Wydziału Chemii na Uniwersytecie Jagiellońskim w Krakowie. Od 1979 roku jest pracownikiem Instytutu Nafty i Gazu w Krakowie w Zakładzie Geologii i Geochemii, Laboratorium Petrofizyki, na stanowisku starszy specjalista badawczo-techniczny. Zajmuje się wykorzystaniem sieci neuronowych w zagadnieniach geologicznych. 196 nr 3/2010